- 相關(guān)推薦
風(fēng)險投資中的的風(fēng)險評估方法
風(fēng)險投資中的的風(fēng)險評估方法
風(fēng)險評估是對風(fēng)險投資進行風(fēng)險管理的重要環(huán)節(jié), 通過分析風(fēng)險發(fā)生 的概率及估算風(fēng)險發(fā)生后預(yù)期的風(fēng)險損失, 來對投資過程可能產(chǎn)生的 危害程度進行一個綜合評判。一般采用數(shù)學(xué)方法和模型,并運用計算 機系統(tǒng),通過預(yù)測各風(fēng)險因素發(fā)生的概率,風(fēng)險程度的大小,借助一 定的模型和數(shù)量公式測算綜合的風(fēng)險指數(shù),并與設(shè)定的止損位比較, 正確地估計自身所承受的風(fēng)險,從而進行有效的風(fēng)險管理。具體方法 包括:
一、方差法
方差法是度量風(fēng)險投資的常用方法。 將風(fēng)險投資的收益視為一個 隨機變量,則它的方差就代表不確定程度或者說風(fēng)險程度。方差是反 映隨機變量與其期望值的偏離程度的數(shù)值, 是隨機變量各個可能值對 其期望值的離差平方的數(shù)學(xué)期望。
設(shè):隨機變量為 x,其方差為 D(x),則:
D(x)=E[x-E(x)]2
(式 1—1)
式中:E(x)——隨機變量 x 的期望值。
對于離散型隨機變量,其方差的計算公式為:
式中:PK——隨機變量 X 為 Xk 的概率
XK——第 K 個可能值
對于連續(xù)型隨機變量,其方差的計算公式為:
式中:f(x)——隨機變量 x 的概率密度函數(shù)。
在實際應(yīng)用中,為了便于分析,通常還引入與隨機變量具有相同 量綱的量,記為 σ(x),稱之為標(biāo)準(zhǔn)差或均方差。
二、β 系數(shù)與資本資產(chǎn)定價模型
資本資產(chǎn)定價模型由美國經(jīng)濟學(xué)家 W.F. Sharpe 博士于 20 世紀(jì) 60 年代中期首次提出, Sharpe 博士在資產(chǎn)定價等金融經(jīng)濟學(xué) 領(lǐng)域成果卓著,并榮獲 1990 年諾貝爾經(jīng)濟學(xué)獎。
資本資產(chǎn)定價模型(CAPM)認(rèn)為,在一個高度發(fā)達(dá)的資本市場, 任何投資視為購買某種證券的行為,證券價值(格)的波動是投資者承 擔(dān)的風(fēng)險。全部風(fēng)險可分為系統(tǒng)風(fēng)險和非系統(tǒng)風(fēng)險;有效的投資組合
可使投資者承受的非系統(tǒng)風(fēng)險為零;系統(tǒng)風(fēng)險亦稱為市場風(fēng)險,表示 由那些基本影響因素(能影響所有資產(chǎn)價值)的變化而產(chǎn)生的風(fēng)險。
CAPM 已被廣泛用于證券投資分析,從投資者的角度看,CAPM 具有以下含義:
1.投資者要求的必要報酬率部分地決定于無風(fēng)險利率;
2.投資收益率與市場總體收益期望之間的相關(guān)程度對于必要報 酬率有顯著影響;
3.任何投資者都不可能回避市場的系統(tǒng)風(fēng)險;
4.謀求較高的收益必須承擔(dān)較大的風(fēng)險,這種權(quán)衡取決于投資 者的期望效用。
風(fēng)險投資同樣是一種權(quán)益投資, 風(fēng)險投資分析與證券分析有許多 相似之處,CAPM 同樣適用于風(fēng)險投資中風(fēng)險與收益的評估。
模型的形式相當(dāng)簡潔:某一資產(chǎn)的投資收益率
Ri=Rf+βi(Rm-Rf)
(式 2—1)
式中; Ri—在給定風(fēng)險水平條件下資產(chǎn) i 的合理預(yù)期投資收益率;
Rf——
無風(fēng)險投資收益率; βi——投資于資產(chǎn) i 的風(fēng)險矯正系數(shù),即對資本市場系統(tǒng)風(fēng)險變 化的敏感程度; Rm——資本市場的平均投資收益率。
有關(guān)參數(shù)說明如下:
(1)無風(fēng)險投資收益率 Rf
無風(fēng)險投資收益率是指在資本市場上可以獲得的風(fēng)險極低的投 資機會的收益率。 通常將各種類型的政府債券作為這種投資機會的典 型代表,由此將政府債券的收益率看做無風(fēng)險投資收益率 Rf。收益 率與投資時間和期限密切相關(guān), 政府債券的利率也是隨發(fā)行時的資本 市場狀況和期限的長短而變化的。為此,應(yīng)在資本市場上選擇與投資 期限相近的政府債券收益率作為無風(fēng)險利率 Rf。
(2)資本市場平均投資收益率 Rm
資本市場的充分競爭性和有效性以及投資者追求收益最大化的
動機決定了資本市場具有一個均衡的投資收益率, 但在實踐上幾乎無 法計算出資本市場投資收益率的均衡點。因此,通常以股票價格指數(shù) 替代均衡投資收益率作為 CAPM 模型的平均投資收益率 Rm。因為 股票價格指數(shù)的收益率變動劇烈, 在實際計算中采用一個較長的時間 段(一般為 10 年)用其平均股票價格指數(shù)收益作為 Rm 的參考值。
(3)風(fēng)險校正系數(shù) β
風(fēng)險校正系數(shù)的估計相當(dāng)困難。 通常的做法是根據(jù)資本市場同一 行業(yè)內(nèi)具有可比性公司的股票 β 值作為擬投資項目的風(fēng)險校正系數(shù)。 (Rm—Rf) 被 稱 為 市 場 風(fēng) 險 溢 酬 , 而 特 定 資 產(chǎn) 的 風(fēng) 險 溢 酬 為 β(Rm—Rf)。因此,資產(chǎn)的 β 系數(shù)反映了資產(chǎn)收益率相對市場變化的 敏感程度。由于在有效組合的情況下,投資者只有市場整體變動的風(fēng) 險,因而 β 系數(shù)恰好能反映該資產(chǎn)的風(fēng)險大小。β 系數(shù)越大,則對市 場敏感度越高,因而風(fēng)險就越大,反之,則越小。
由此可見,β 的大小表示收益的波動性的大小,從而說明特定資 產(chǎn)風(fēng)險的程度。當(dāng) β 系數(shù)大于 1 時,該資產(chǎn)風(fēng)險大于市場平均風(fēng)險; 反之,當(dāng) β 系數(shù)小于 1 時,該資產(chǎn)風(fēng)險小于市場平均風(fēng)險;當(dāng) β 系 數(shù)等于 1 時,該資產(chǎn)風(fēng)險與市場平均風(fēng)險相同。一般來說,若 β 大 于 1.5,則認(rèn)為風(fēng)險很高。
應(yīng)當(dāng)了解,β 不是全部風(fēng)險,而是與市場有關(guān)的這一部分風(fēng)險。 假定投資收益率與市場收益率存在著線性相關(guān)關(guān)系, 則投資收益率靈 敏度系數(shù)可以用回歸方程表示為公式:
R=α+βRm+ε
(式 3—6)
式中:α——常數(shù)項; ε——誤差項; β——可以由此根據(jù)最小二乘法進行估計。
三、“A 計分法”
傳統(tǒng)的風(fēng)險評估采用“A 計分法”, 即將相夾的風(fēng)險因素逐一列出, 包括宏觀因素、技術(shù)因素、市場因素、管理因素、退出因素等,根據(jù) 各因素對項目影響程度大小予以賦值,最后將所有因素的
影響值加 總,從總體上評價風(fēng)險度。例如,根據(jù)《軟件項目風(fēng)險評估報告》 , 軟件項目各風(fēng)險因素發(fā)生的概率及其影響大小如表 1 所
表 1 軟件項目和各風(fēng)險因素的評估
風(fēng)險因素 發(fā)生概率 影響程度
規(guī)模估計過低 60% 嚴(yán)重(8 分)
交付期限太緊張 50% 嚴(yán)重(8 分)
技術(shù)達(dá)不到預(yù)期效果 30% 輕微(3 分)
軟件體系結(jié)構(gòu)設(shè)計不合理 40% 災(zāi)難性(10 分)
人員流動 30% 嚴(yán)重(8 分)
資料來源:明潔, 風(fēng)險投資中的項目風(fēng)險管理》 《 ,
WWW.xahuading.com
風(fēng)險度的項值在 0—10 之間,得分越高,風(fēng)險度越大。這一方 法的優(yōu)點是考慮到風(fēng)險不是一下子產(chǎn)生的,而相互關(guān)聯(lián)的,孕于公司 的業(yè)務(wù)流程系統(tǒng)中, 因而要通過加總求和, 從總體上來判斷風(fēng)險大小。 但是,其缺點是影響大小的賦值取決于決策人員的主觀判斷,趨向于 定性的主觀評價,缺乏科學(xué)性。
四、風(fēng)險價值評估模型法
風(fēng)險價值評估模型, 是近年在國外興起的一種金融風(fēng)險評估和計 量模型,目前已被全球各主要銀行、非銀行金融機構(gòu)、公司和金融監(jiān) 管機構(gòu)廣泛采用!帮L(fēng)險價值”的英文是 Vlue At Rirk,簡稱 VAR,借 助該模型,對歷史數(shù)據(jù)進行模擬運算,并預(yù)測出未來趨勢,可用于評 估和計量任何一種金融資產(chǎn)或證券投資組合在既定時期內(nèi), 所面臨市 場風(fēng)險的大小和可能遭受的潛在最大價值損失。但是,這種方法在風(fēng) 險投資中的可操作性較差, 因為創(chuàng)業(yè)企業(yè)一般處于相對較新的行業(yè)和 領(lǐng)域中,可供對比參照的對象比較少,同時,這些企業(yè)的歷史也比較 短,沒有足夠的歷史資料可供模擬時使用,而且,這些數(shù)量方法的應(yīng) 用范圍主要是流動性比較高的證券投資業(yè), 對于像風(fēng)險投資這種流動 性很差的模擬方式,資產(chǎn)不易變現(xiàn),計算的意義并不大。
五、綜合風(fēng)險指數(shù)模型評估法
該方法來源于投資學(xué)中的“多因素模型”,對風(fēng)險投資公司的風(fēng)險 評估具有很大的借鑒作用。多因素模型又稱指數(shù)模型,是建立在證券 回報率對各種因素或指數(shù)變動的敏感度這一個假設(shè)之上的。 作為一個 回報率的生成過程, 多因素模型試圖提取那些系統(tǒng)地影響所有證券價 格的主要經(jīng)濟力量,并將其量化,然后代入相應(yīng)的數(shù)學(xué)模型實現(xiàn)數(shù)據(jù) 化,據(jù)此來評估。風(fēng)險投資公司的運作特點是投資多個領(lǐng)域、多個階 段的企業(yè)或項目,通過成功項目的收益,來彌補失敗項目的損失,舉 一個簡單的數(shù)學(xué)例子:
X=10+(-1)+(-2)+(-4)+2=5
正數(shù)代表成功收益,負(fù)數(shù)代表失敗損失,風(fēng)險投資公司追求的正 負(fù)相抵后的終值 X,因此,風(fēng)險投資公司風(fēng)險評估的出發(fā)點也應(yīng)該是 建立在多項目、多因素基礎(chǔ)之上的綜合評估,為此,可建立綜合
風(fēng)險 評估指數(shù)模型:
V(t)=∑Vit=P1it×S1it+P2it×S2it+…+ Pnit×Snit+Eit
(i=0,1,…,n 假設(shè)各風(fēng)險因素發(fā)生的概率 P 和敏感系數(shù) S 是
可知的)
V(t)——t 時間內(nèi)的綜合風(fēng)險指數(shù);
Pnit——t 時間內(nèi)第 i 個項目的第 n 個風(fēng)險因素發(fā)生的概率;
Snit——t 時間內(nèi)第 i 個項目的第 n 個風(fēng)險因素的變化對預(yù)期收 益率的敏感系數(shù);
E——隨機誤差項;
i——風(fēng)險投資公司投資的項目數(shù);
t——代表時間。
應(yīng)該說明的是,本模型加入時間因素 t,正是考慮風(fēng)險投資的投 資周期長,不確定因素較多,而且各因素在不同時點有不同表現(xiàn),從 而便于動態(tài)管理。t 最好以月或半月來算,因為風(fēng)險投資公司的投資 不同于每天都有交易記錄的證券投資,也不同于需要十幾年的時間 (其一般周期為 3—7 年)的傳統(tǒng)大型建設(shè)項目投資,而且以變現(xiàn)增值 為最終目的。根據(jù)項目的技術(shù)與市場特性,在由不成熟到成熟的過程 中,t 的間隔太短,會加大風(fēng)險管理的成本,間隔太長,又會失去風(fēng)
險管理的意義,所以應(yīng)該注重動態(tài)的過程管理,以有效地控制風(fēng)險。
風(fēng)險因素發(fā)生的概率 P 的測定有兩種:一種是客觀概率,是指根 據(jù)大量歷史的實際數(shù)據(jù)推算出來的概率;另一種是主觀概率,是在沒 有大量實際資料的情況下,人們根據(jù)有限的資料和經(jīng)驗合理估計的。 敏感系數(shù) S 表示風(fēng)險因素的變化程度引起的預(yù)期收益率的變化程度, P×S 就代表如果某一風(fēng)險因素發(fā)生對預(yù)期收益率的影響程風(fēng)險投資中的的風(fēng)險評估方法度; 是隨 E 機誤差項,主要起調(diào)整作用,避免數(shù)據(jù)失真與人為誤差。
在這樣一個動態(tài)的風(fēng)險評估模型中, 風(fēng)險投資公司可以根據(jù)自身 的風(fēng)險承受能力、預(yù)期的回報率、外界環(huán)境變化等因素,綜合判斷目 前及未來一段時間內(nèi)的風(fēng)險狀況,從而制定統(tǒng)觀全局的風(fēng)險管理策略。
【風(fēng)險投資中的的風(fēng)險評估方法】相關(guān)文章:
淺析我國風(fēng)險投資企業(yè)價值評估體系04-27
風(fēng)險投資的盡職調(diào)查方法:“從9到1”04-30
海上救撈工程風(fēng)險評估方法04-29
關(guān)于項目管理中的風(fēng)險評估探討04-27
風(fēng)險投資問題研究04-29